[論文レビュー] Representing and Combining Partially Specified CPTs

Suzanne M. Mahoney, Kathryn Blackmond Laskey|arXiv (Cornell University)|Jan 23, 2013

Bayesian Modeling and Causal Inference参考文献 16被引用数 11

ひとこと要約

本稿では、非対称性ネットワークを用いて、部分的に指定された条件付き確率表（CPT）の簡潔なオブジェクト指向表現を提案し、CPT断片の効率的因数分解と整合的な組み合わせを可能にする。このアプローチにより、重複を低減し、確率的知識の統合中に一貫性を保つことで、スケーラブルなベイジアンネットワーク構築が可能になる。

ABSTRACT

This paper extends previous work with network fragments and situation-specific network construction. We formally define the asymmetry network, an alternative representation for a conditional probability table. We also present an object-oriented representation for partially specified asymmetry networks. We show that the representation is parsimonious. We define an algebra for the elements of the representation that allows us to 'factor' any CPT and to soundly combine the partially specified asymmetry networks.

研究の動機と目的

• ベイジアンネットワークにおける不完全または部分的に指定された条件付き確率表（CPT）の表現と組み合わせの課題に対処すること。
• 特に大規模またはスパースなネットワークにおいて、従来のCPTよりもよりコンパクトで意味的に明確な表現を開発すること。
• 特に状況特異的または文脈依存的な状況において、ネットワーク構築中にCPT断片を正確かつ効率的に組み合わせることを可能にすること。
• 部分的に指定されたCPTの操作と統合を形式的かつ一貫した枠組みで行う代数的フレームワークを形式化すること。

提案手法

• 条件付き依存の構造的非対称性を明示的にモデル化するため、CPTの代替的でよりコンパクトな表現として非対称性ネットワークを導入する。
• 部分的に指定された非対称性ネットワークのオブジェクト指向構造を定義し、CPT断片のモジュラー表現を可能にする。
• 任意のCPTをその非対称性ネットワーク成分に因数分解できる代数的フレームワークを開発する。
• 複数の部分的に指定された非対称性ネットワークを統合する際にも一貫性と正しさを保つ、整合的な組み合わせルールを確立する。
• 形式的意味論を用いて、利用可能な情報が部分的であっても、結果として得られる統合CPTが元の結合分布と等価であることを保証する。
• ネットワーク断片への応用により、再利用可能で文脈特化型のコンポーネントから、スケーラブルかつ段階的なベイジアンネットワーク構築を可能にする。

実験結果

リサーチクエスチョン

• RQ1 冗長性を低減しモularityを向上させるために、部分的に指定されたCPTをどのように表現できるか？
• RQ2 複数の部分的に指定されたCPTを組み合わせる際に、正確かつ効率的な代数的演算は何か？
• RQ3 非対称性ネットワークは、標準的なCPT表現の代替としてよりコンパクトで意味的に明確な選択肢となるか？
• RQ4 CPT断片を損失のない確率的忠実性を保ちながら因数分解および再結合するにはどうすればよいか？
• RQ5 提案されたフレームワークは、ベイジアンネットワークのスケーラブルかつ段階的な構築をどの程度サポートするか？

主な発見

• 構造的非対称性やスパースな条件付き依存性が顕著な場合、非対称性ネットワーク表現は従来のCPTよりも著しく簡潔である。
• 提案された代数的フレームワークにより、任意のCPTをその非対称性ネットワーク成分に正しく一貫して因数分解でき、モジュラーな推論が可能になる。
• 複数の部分的に指定された非対称性ネットワークの統合を、元の結合分布と整合的であるようにサポートする。
• 再利用可能で状況特化型のCPT断片から、計算コストを低減しつつ、効率的かつスケーラブルにベイジアンネットワークを構築できる。
• 形式的根拠に基づくため、CPT情報が部分的であっても確率的正しさを保つ。